AGI与多模态AI浪潮下，你的工作会被取代吗？

1. 这轮“AI恐慌”到底在慌什么

1.1 恐慌来源：第一次有东西能“插手”脑力劳动

搞技术这么多年，我自己也经历过好几次“XX要取代程序员”的论调。但说实话，AGI这波讨论和以前不太一样。以前的自动化，替代的是手——流水线机械臂、ATM机、自助收银机，它们动的是体力活和重复操作。而AGI或者说多模态AGI，第一次让机器能够处理文本、图像、音频、视频这些“符号世界”的内容，它开始替代的是“脑力流程”里的一部分环节。

这就让一大批坐办公室的人慌了。以前大家觉得，我是做设计的、做文案的、做分析的、做翻译的——这些都是“知识工作”，总该安全吧。可当大语言模型能在几秒内生成一份结构完整的产品方案，当多模态模型能看图说话、能转录会议、能剪辑视频初稿，你不得不承认：某些“脑力活”确实正在变成“算力活”。这不是在渲染焦虑，而是要先承认这个事实，后面才好聊怎么应对。

1.2 “取代”是个模糊词，先把讨论范围说清楚

在很多讨论里，“取代”这个词被严重滥用。有些人说AGI会取代所有工作，有些人说AGI只是个玩具，这两种都站不住脚。真正的问题应该拆成三层来看：

• 第一层：哪些“任务”正在被AI自动完成？
• 第二层：哪些“岗位”会因为任务被拿走而缩编？
• 第三层：哪些“新岗位”会因此长出来？

我个人的判断是：AGI短期内很难“取代”一个完整的岗位，但它会重新分配岗位内部的任务结构。比如一个文案策划，原本要花两小时写初稿，现在用AGI五分钟搞定初稿，剩下时间用来做策略、核对信息、和客户对齐——岗位还在，但工作的重心变了。这不是我凭空乐观，而是过去几年里每一次技术革命都反复出现过的模式。真正该问的不是“AI会不会抢我饭碗”，而是“我的饭碗里还剩多少AI干不了的活儿”。

2. 拆解AGI的能力边界：什么能做什么做不到

2.1 “聪明”和“可靠”是两码事

要判断AGI能不能取代你的工作，先要看清楚眼下AGI的真实能力边界。当前最前沿的多模态AGI，能做到的事情确实令人惊讶：能读论文、能写代码、能看懂CT影像的疑似病灶区域、能根据一段文字生成对应的视频片段、能陪你进行一场几乎以假乱真的多轮对话。这些能力放在五年前，任何一个都够发好几篇顶会论文。

但这些“聪明”和职场上真正需要的“可靠”之间，存在一条巨大的鸿沟。我给你举个例子：我测试过让AGI帮我整理一份行业调研报告，它给出的框架非常漂亮，数据引用也有模有样。后来我逐条核对引用来源，发现其中三条文献根本不存在的——是模型自己“脑补”出来的。这在业内叫“幻觉”，也就是模型为了生成连贯的回答，编造了看似合理实则错误的内容。

这件事特别关键。AGI的底层逻辑是“根据概率预测下一个词/像素/语音单元”，它没有通用的“事实核查机制”。它可以给你一个看起来极其专业的答案，但这个答案可能错得不着痕迹。所以，任何需要为结果负责的岗位——医生、律师、审计师、项目经理——短期内都不可能被AGI完全替代，因为你不能让一个会一本正经胡说八道的系统去承担法律责任。这也是我一直强调的：AGI是副驾驶，不是机长。机长必须为整趟航班的生死负责，而副驾驶只是提供建议和信息。

2.2 多模态AGI：能看能听能说，但不懂“情境”

“多模态AGI”是近期特别热的一个词，它指的是模型不再只处理纯文本，而是把文本、图像、音频、视频放在同一个模型里做联合理解。这带来的进步是质的飞跃。以前你要让AI帮你分析一份图表，得先把图表里的数据人工提取成文字再喂进去；现在直接把截图丢给它，“这张图里哪个季度增长最快”这种问题它就能直接回答。

但这里有个非常迷惑人的点：多模态AGI“能看见”，并不意味着它“理解情境”。比如它能在照片里识别出“这是一个会议室”，但它不一定能理解会议室里坐着的人们的权力关系、谁在主导话题、哪句话是客套哪句话是承诺。真实世界里大量决定工作成果的信息，恰恰是这些“潜台词”和“情境”。AGI能帮你把会议录音转成文字稿，但如果你让它替你去开这场会、替你做决策，它八成会把事情搞砸，因为谈判、共情、察言观色、在模糊信息中做判断这些能力，它并没有真正掌握。

所以在评估AGI对工作的冲击时，我习惯用一个简单的判断标准：如果一项工作只需要处理“信息本身”而不需要处理“信息背后的情境”，那么它被自动化的速度会非常快；反之，如果工作高度依赖现场感知、人际默契和复杂判断，那么AGI短期内只能做辅助。

2.3 算一笔效率账：AGI带来的收益分布极不均匀

很多讨论把AGI想象成一个整体，但现实中AGI在不同领域带来的效率提升差异极大。我自己粗略估算过，在代码补全、文案生成、资料检索这些“模式化产出”环节，AGI可以让熟练工效率提升至少30%到50%；在需要跨部门协调、需要说服客户、需要在资源受限条件下做取舍的环节，AGI的贡献几乎为零，甚至可能因为提供过多选项而拖慢决策。

这就导致一个“效率剪刀差”：同一个岗位里，容易被AGI增强的部分会被快速增强，而难被AGI替代的部分依然是瓶颈。换句话说，未来职场竞争力的核心，不是你会不会用AGI，而是你手里有没有那种AGI“够不着”的硬本领。这就像当年Excel出现之后，会算数的会计并没有消失，消失的是只会打算盘的会计；会做财务分析的会计反而因为工具的升级而拿到了更高的议价权。

3. 从职业分工的角度，看哪些岗位容易被动摇

3.1 高替代风险岗位的四个共同特征

根据我观察到的规律，容易受AGI冲击的工作通常具备四个特征：一是工作成果高度标准化，比如模板化的周报、格式固定的合同初审；二是工作流程可被显性描述，每一步都能说清楚“输入是什么、规则是什么、输出是什么”；三是错误容忍度相对较高，出了问题有上级或客户兜底复核；四是工作时长中大量比例花在“信息检索、整理、格式转换”上，而不是“判断和决策”上。

按这个标准来看，初级翻译、基础数据录入、简单的客服应答、初级的平面设计辅助岗、部分基础编程工作，风险窗口确实在收窄。我这里没有贩卖焦虑的意思，但如果你发现自己每天有超过一半的时间都是在做上面这类“流程性任务”，那确实该警觉了。不是说这些岗位明天就会消失，而是说这类岗位的增量招聘会变少、外包价格会被压低、晋升通道会变窄，这是更隐蔽、也更现实的冲击。

3.2 相对安全岗位的三种“护城河”

反过来看，具有以下三种特征的岗位，反而会随着AGI普及而变得更加重要。

第一种是“责任锚定型”岗位。医疗、法律、金融风控、建筑监理这类工作，最终签字的是人，承担责任的也是人。AGI再强，它没有“主体资格”，没法进监狱、没法被吊销执照、没法被患者起诉，所以这些岗位的最终决策权依然在人手里。而且，当AI能更快地给出筛查结果和建议方案时，人类的复核、判断、解释职责反而会变重。

第二种是“现场交互型”岗位。需要长期与人建立信任关系的职业——比如销售、心理咨询、护理、幼儿教育——AGI很难替代。因为它需要的是真实的共情和长期的关系积累。你可以让一个多模态机器人陪你聊半小时，但你不能让它假装是你十年的老朋友。信任这个东西，建立成本极高，且高度依赖“在场感”。

第三种是“模糊决策型”岗位。真实商业世界里，绝大多数决策没有标准答案。一个创业公司的CEO要在“快速上线但有Bug”和“推迟一周但更稳定”之间做选择，这种决策没有对错公式，考验的是对团队状态、市场窗口期、现金流的综合判断。AGI能给你列出两种选择的利弊清单，但最终承担后果的是你。能把利弊清单转化为“后果可承担”的决策，这种能力AGI一时半会儿学不会。

3.3 一个实用的“岗位风险自测”表

与其听别人说“你的岗位会被取代”，不如自己动手评估一下。我整理了一个简单实用的自测思路，你可以对照自己的日常工作打分。每项满分5分，3分以上算明显具备这个特征。

这套自测的妙处在于，它逼你把“岗位”拆成“任务”来看。一个岗位往往是多种任务的混合体，即使总体来看风险不高，其中某些任务也可能在一年内就不再需要人手来做。提前识别出这些任务，你就能有针对性地把精力投向那些AI补不上的部分。

4. 个人应对策略：把AGI变成杠杆，而不是对手

4.1 心态切换：从“怕被替代”到“怕不会用”

我在跟很多朋友聊这个话题的时候发现一个有意思的现象：那些真正在一线把AGI用起来的人，普遍没那么焦虑；焦虑最重的，反而是那些只是听说过AGI、但从未认真上手试过的人。人对于模糊的威胁总是容易过度反应，一旦你把它拆解成具体的工具、具体的流程、具体的“能做什么不能做什么”，恐惧感就会大幅下降。所以我的第一个建议是：别站在岸上猜水有多深，先跳下去游一圈再说。

你可以从自己工作里挑一个每周都会做的、比较费时的具体任务，比如写周报、整理会议纪要、做竞品分析大纲，然后尝试用现成的AGI工具去完成它。实测下来，大多数人在这个环节会经历两个阶段：第一个阶段是失望，觉得AI写得东西“不能用”；第二个阶段是顿悟，发现自己修改AI的初稿比自己从零开始写快了两倍。真正高效的工作方式不是“让AI一次性交卷”，而是“让AI先出一版60分的底稿，你来把它改到90分”。这个过程中，你的判断力才是最值钱的部分。

4.2 在垂直场景里积累“AI够不着”的暗知识

如果说AGI能帮我们处理的是“明知识”——那些能被写成文字、公式、规则的知识，那么人类职场里还有大量拿不到台面上讲、也很难写进Prompt里的“暗知识”，比如跟某位重要客户沟通时，对方虽然嘴上没拒绝但语速变快了，这时候到底该追问还是该缓一缓；比如车间里某台设备虽然仪表读数正常，但声音有点闷，老技师就知道该换轴承了。这类知识依赖于身体经验和长期情境浸润，AGI很难通过训练语料学到位，因为它压根没有被“写下来”过。

所以，年轻人在规划职业的时候，我特别建议优先选择那种能积累“暗知识”的平台和岗位。同样做数据分析，在一个能经常接触业务一线、能和老师傅聊天的公司里干一年，比你在一家纯做报表的外包公司干三年学到的东西值钱得多。AGI能把报表做得更快，但它替代不了你从现场嗅到问题、从闲聊里发现需求的能力。那些藏在真实场景里的经验，才是未来十年最稳的护城河。

4.3 一年内可以落地的具体行动清单

光讲大道理没用，我给一份可以直接照着做的行动清单。谈不上多高深，但都是我在实践里觉得确实有效的方向。你不需要全部完成，挑两三项适合你的，坚持做半年就会看到差别。

• 在自己的核心工作流中找到三个高频率任务，用AGI跑通“AI初稿+人工精修”的模式，记录下效率提升的量化数据。
• 刻意练习“写提示词的能力”，不是指会写几句模板，而是能清晰描述任务背景、交付格式、质量标准、禁忌事项的能力。这本质上是“拆解问题”的能力。
• 每个月花半天时间，用最新的多模态AGI处理一个跨领域的小任务，比如让它分析一张你拍的建筑照片的结构特点，或者让它把一段录音整理成带情绪标签的会议纪要。保持对工具边界的感知，比记住某个具体操作技巧更重要。
• 把大部分精力集中到那些“需要人际信任、需要现场感知、需要承担后果”的任务上，用AGI帮你把杂务清掉，把省下来的时间用于在这些高价值任务上做刻意练习。
• 养成“复核AI输出”的习惯。不管是让AI写代码还是写分析报告，务必对关键事实、关键数据做二次验证。别把AI的初稿直接发给客户，这是底线。

5. 四个常见的认知误区，越早想清楚越好

5.1 误区一：把AGI当成“全知全能的神”

我在线下分享的时候，遇到过两类极端观点。一类是把AGI贬得一文不值，认定它只会“拼接已有内容”；另一类是把AGI捧上神坛，觉得它无所不知、无所不能。这两类认知都会导致错误的决策。事实是，当前的AGI能力分布非常不均衡，它在语言流畅度、模式识别、知识广度上远超人类个体，但在逻辑一致性、长期规划、事实准确性上又存在明显短板。把它当成“懂得很多的实习生”可能比较合适——它能快速给你提供大量的候选方案，但需要你来把关质量、排除幻觉、做出最终决定。

5.2 误区二：把“任务的自动化”等同于“岗位的消失”

这个误区在讨论中最常见。看到AI能写周报就觉得秘书要失业，看到AI能画图就觉得设计师要完蛋。但任何岗位都是一个“任务包”，里面既有容易被自动化的任务，也有极难被自动化的任务。比如设计师的工作里有“出概念草图”这种AI能帮忙的部分，但也有“跟客户解释设计理念、根据客户的微妙反应调整方向、在deadline前协调各方资源”这种AI帮不上忙的部分。自动化一项任务，只是压缩了岗位里某一块的时间占比，而不是直接消灭整个岗位。想清楚这一点，你就不会因为看到某个AI功能演示视频就彻夜难眠。

5.3 误区三：静态地看待“今天的AGI”

技术的演进速度远超过大多数人的预期。过去两年里，多模态模型从只能“看图为文”，发展到能“看图对话、生成视频、理解语音情绪”，这种迭代速度在以前的软件工程领域从未出现过。所以，如果你今天测试某个AI工具觉得不好用，就得出“AI不过如此”的结论，很可能会误判未来一到两年的形势。我建议用“每半年重新评估一次”的心态来看待AGI的能力边界，给你的职业规划增加一个动态更新的维度，而不是一锤定音。

5.4 误区四：忽略“AGI对不同层级从业者的差异化影响”

还有一个在讨论中很容易被忽略的视角：AGI对初级和资深从业者的影响是截然不同的。初级从业者的工作大多是执行层面的事务，恰好是AGI最能替代的部分，所以入门级岗位的竞争会变激烈；而资深从业者的工作重心在判断和决策，AGI反而能帮他们扩大产出半径。这就导致一个结果——未来职场可能变成一个“极窄的入口+极宽的顶部”。对年轻人来说，这意味着职业生涯的早期会更难，但一旦突破了从执行到判断的瓶颈，后面的路反而可能更宽。这个判断有没有可能出错？当然有可能。但至少从当下的工具能力来看，我愿意下这个注。

6. 写给不同人群的实操建议

6.1 如果你是职场新人或在校学生

我强烈建议你把AGI当作“学习加速器”而不是“作业枪手”。用AGI来干什么？用它快速了解一个陌生领域的框架逻辑，让它给你列一份高质量的学习路径清单，让它帮你解释论文里看不懂的段落，甚至让它扮演面试官和你做模拟问答。这就像学游泳的时候用浮板，它不会替你学会游泳，但能让你少呛几口水。而如果你反着用，把AGI当成代写作业的工具，省下的思考时间最后都会变成你能力上的缺口，等到了工作岗位上，这个缺口迟早会暴露。

另外，我一直认为，对于年轻人来说，选对“学习的内容”比“学习工具”更重要。未来的门槛不在于你懂多少可以搜索到的知识，而在于你能不能提出好的问题、能不能把不同领域的知识连接起来、能不能在信息不完备的情况下做出推理和决策。这些能力，靠刷短视频和抄AI答案是不可能获得的，需要在真实的项目、真实的团队里反复磨。

6.2 如果你是管理者或团队负责人

作为团队负责人，你面临的不是“要不要用AGI”的问题，而是“怎么用才能让团队效率提升而不是军心动摇”的问题。我的经验是三条：第一，你自己先用起来，拿实际数据说话。如果老大只会要求下属用AI，自己连一次对话都没跑过，下属很容易产生抵触情绪。第二，从一开始就要明确“AI产出的内容谁来负责”。是让写作者自己负责，还是设一个复核岗位？这个问题不定义清楚，后面出了错就会互相甩锅，AI变成背锅侠。第三，重新设计团队的岗位职责和激励方向。如果还是按照“工作量”来考核员工，大家就不会有动力用AI压缩时间，因为省下来的时间反而让自己显得“不饱和”。把考核指标从“过程量”转向“结果质量”和“高价值产出”，AI工具的落地阻力会小很多。

6.3 如果你正处于转型期的自由职业者

自由职业者是最应该拥抱AGI的一批人，因为你们没有公司的资源，但恰恰也是最需要杠杆的群体。我接触过一些独立设计师、独立咨询顾问和内容创作者，他们用AGI的方式非常直接有效：把重复性最高的提案初稿、背景调研、排版校对全部交给AI，把自己的时间集中在跟客户沟通需求、打磨创意方向和交付最终成果这些不可替代的环节上。算一笔简单的账：假设你用AGI每天省出两小时，一年就多出500多个小时用于获客和作品打磨，这在自由职业的竞争里是非常大的优势。

7. 一些踩坑之后的心里话

开头我先承认，我自己在“用AI提升效率”这件事上也走过弯路。最早我只是图新鲜，让AI帮我写一些花哨的东西，结果花在改错上的时间比从零开始写还长，一度觉得这个工具被夸大了。后来才慢慢摸到门道：AGI不是一个“替你完成工作”的魔法棒，而是一个“放大你产出效率”的杠杆。你本身有判断力、有审美、有对业务的理解，杠杆才能撬动东西；如果下面没有支点，它就只能空转。

还有一个小建议，是我现在逢人就推荐的：每个月固定花一点时间，主动去测试一款你从未用过的AI新功能，或者一个你没接触过的方向的AI应用。就逼自己拿实际工作任务去试，试完冷静地记下它哪里好用、哪里不行。这不是为了追新，而是为了保持对技术演进的敏感度。我见过太多人，明明身处一个马上要被重塑的行业，却对工具的变化漠不关心，直到某一天发现自己的活儿全被外包给了AI才知道着急。与其到时候被动应对，不如现在主动把AGI变成自己手里的牌。

回到最初的那个问题：AGI到底会不会取代我们的工作？我现在更愿意换一种说法——AGI不会取代你，但一个熟练使用AGI的人，可能会在效率上取代你；一个把AGI用在对的地方的团队，可能会在市场里淘汰你的团队。这听起来可能有点冷酷，但看清这一点，才能让你真正开始行动。